Development of Network Level Performance Prediction and a Rolling Capital Planning Job Jar
Notice bibliographique
Résumé
This project involved uses strategic and tactical performance prediction modelling software that considers surfaced road condition data (distresses, severities and extents), treatment costs, maintenance costs, treatment life (deterioration curves), allocated budget and maintenance performed on road segments to enable Parkland County, Alberta, Canada, to integrate the road rehabilitation and maintenance programs into an optimized preservation program. The optimized preservation program developed leads to the process of developing Parkland County’s rolling capital road program (called the Job Jar). The paper covers some of the technical and organizational aspects of how this three year asset management project was developed and implemented. The project was successfully completed in 2010 and implemented in 2011. Through applying this process to create the Job Jar, Parkland County’s Engineering Services Department is able to meet Parkland County Council’s Strategic Goal of; “Maintaining high quality infrastructure that will ensure sustainable growth of the County.” The paper discusses: How performance prediction modelling software was used to develop the performance prediction models (both strategic and tactical models) over multiple years, The details of using information from the strategic and tactical modelling to develop a prioritized three year rolling program or the Job Jar, Linking of the Job Jar to a specific strategy for the Parkland County’s surfaced road network, Developing the documented business processes to define the employees' and the organization’s roles, responsibilities and timing of the annual processes to ensure the Job Jar can be presented during Parkland County’s annual budget presentation. Development of Network Level Performance Prediction and a Rolling Capital Planning Job Jar TAC Conference – 2012, Fredericton, NB
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».